• Aucun résultat trouvé

Effets de pairs et consommation intertemporelle

N/A
N/A
Protected

Academic year: 2021

Partager "Effets de pairs et consommation intertemporelle"

Copied!
55
0
0

Texte intégral

(1)

Effets de pairs et consommation intertemporelle

Mémoire

Stéphanie Isabelle Brunet

Maîtrise en économique

Maître ès arts (M.A.)

(2)
(3)

Résumé

Dans la théorie économique standard, on suppose que les préférences des individus sont indépendantes de leur environnement social. Cependant, cette hypothèse de base semble en partie irréaliste, car l’utilité individuelle peut être affectée par une variété d’interactions so-ciales. Les effets de pairs sont une forme bien connue d’interaction sociale qui se définissent comme l’influence du comportement ou des caractéristiques des individus d’un groupe de ré-férence sur les préré-férences et les décisions d’un individu de ce même groupe. L’objectif de la présente étude est d’estimer les effets de pairs sur la croissance du niveau de consomma-tion des ménages. Il est pertinent de se pencher sur cette quesconsomma-tion puisque les effets de pairs peuvent engendrer un multiplicateur social. Si les effets de pairs ne sont pas pris en compte dans la prévision des politiques sur la consommation agrégée, les impacts attendus peuvent être différents des impacts réels.

Dans ce mémoire, les effets de pairs sur la croissance du niveau de consommation des mé-nages ont été estimés à l’aide des données panel recueillies via l’enquête longitudinale annuelle (2008-2013) du UK DATA Service. Cette base de données permet l’observation du nombre de voitures dans le ménage, un bien durable et hautement visible. Étant donné que nous ne possédons pas d’informations sur les réseaux sociaux des ménages, nous posons comme hy-pothèse que ceux-ci interagissent en groupes. Nous créons les groupes de référence grâce aux caractéristiques exogènes des ménages.

D’abord, un modèle linéaire est estimé par moindres carrés ordinaires. Ce modèle est simple à estimer, mais il est peu approprié, car il ne nous permet pas de distinguer un véritable effet de pairs de simples effets corrélés communs pour tous les ménages du groupe. Ensuite, nous estimons notre modèle grâce à la méthode des moindres carrés en deux étapes qui résout le problème de variables explicatives endogènes. De plus, nous présentons un modèle avec effets fixes de groupe pour tenir compte des effets corrélés. Enfin, un modèle en déviation par rapport à la moyenne est estimé par la méthode des variables instrumentales. Ce dernier modèle est le plus approprié, car il permet l’obtention d’estimateurs asymptotiquement efficaces. Les résultats obtenus des effets de pairs endogènes se sont avérés quelque peu inattendus. Lorsqu’ils sont significatifs, les paramètres associés à ces effets sont négatifs. Un tel résultat est expliqué par un comportement d’anticonformité entre pairs.

(4)
(5)

Table des matières

Résumé iii

Résumé iii

Table des matières v

Liste des tableaux vii

Liste des figures ix

Avant-propos xiii

Introduction 1

1 Revue de littérature 5

1.1 Différents phénomènes sociaux . . . 5

1.2 Littérature économétrique . . . 7

1.3 Applications empiriques . . . 9

2 Description des données 13

2.1 Variable de consommation . . . 13 2.2 Groupe de référence . . . 14 2.3 Répartition de l’échantillon . . . 15 3 Méthodologie 17 3.1 Modèle théorique . . . 17 3.2 Estimations économétriques . . . 19 4 Résultats 23 4.1 Analyse de la robustesse . . . 24 Conclusion 27 A Tableaux descriptifs 29

B Spécification des groupes de référence 31

C Tableaux des résultats 33

(6)

Bibliographie 39

(7)

Liste des tableaux

A.1 Répartition selon la taille du ménage . . . 29

A.2 Répartition selon le nombre d’enfants dans le ménage. . . 29

A.3 Répartition résidentielle des ménages . . . 29

A.4 Répartition régionale des ménages . . . 30

A.5 Répartition selon l’âge des répondants . . . 30

A.6 Répartition selon l’état civil des répondants . . . 30

C.1 Groupe spatial . . . 33

C.2 Première étape : Groupe spatial. . . 34

C.3 Groupe 4 . . . 34

C.4 Première étape : Groupe 4 . . . 35

C.5 Groupe 3 . . . 35

C.6 Première étape : Groupe 3 . . . 36

(8)
(9)

Liste des figures

(10)
(11)

Souris et la vie te sourira

(12)
(13)

Avant-propos

Je veux remercier mon directeur de recherche, Monsieur Bernard Fortin et mon codi-recteur, Monsieur Vincent Boucher pour leur temps, leur support et leurs précieux conseils. Je remercie aussi le centre de recherche CIRPÉE et la Chaire du Canada en économie des politiques sociales et des ressources humaines pour leur soutien financier. Merci à tous mes collègues du département d’économique, à mes ami(e)s et à ma famille. Un merci spécial à Steeve Marchand pour son aide. Enfin, je veux remercier M. Kevin Moran pour sa grande patience et son soutien moral lors des moments difficiles.

(14)
(15)

Introduction

Dans la théorie économique standard, on suppose que les préférences des individus sont indépendantes de leur environnement social. En effet, le concept d’Homo œconomicus suppose un agent qui vit dans un environnement isolé excluant tout contexte social hors marché. Il s’agit d’une approche individualiste où l’agent prend des décisions économiques sans se préoccuper des préférences ou des caractéristiques des autres.

Par contre, plusieurs critiques ont été soulevées par rapport à cet aspect de la science économique. Notamment, ces hypothèses de base semblent en partie irréalistes pour les so-ciologues. Talcott Parsons, célèbre sociologue américain, voyait la société comme un vaste marché d’échanges entre des unités individuelles et collectives, où circulent non seulement la monnaie, mais le pouvoir, l’influence et les engagements (Parsons et Smelser, 2005). En ce sens, l’Homo sociologicus définit un agent qui fait, non ce qu’il préfère, mais ce que différents conditionnements lui dictent de faire. Il s’agit non plus de rationalité purement économique, mais de rationalité sociologique. Les décisions des agents économiques sont alors le résultat des mécanismes de prix, mais aussi des interactions sociales hors marché. En effet, il est plus logique de croire que l’utilité globale des agents économiques peut être affectée par une variété d’interactions, de normes et de conventions sociales. Ainsi, il peut façonner son comportement de telle manière qu’il modifie les résultats économiques prévus. Par conséquent, le modèle économique traditionnel pourrait conduire à des conclusions erronées (Göbel et al.,2010).

Pour donner plus de réalisme à la théorie économique standard, l’économie sociale appuie le fait qu’il est important de tenir compte des caractéristiques de l’environnement social sur l’utilité des individus. L’Homo œconomicus est alors modifié afin d’internaliser les interactions externes et ainsi permettre une meilleure explication des décisions humaines dans les contextes sociaux. L’approfondissement de la recherche par rapport aux interactions sociales et leur rôle sur l’activité économique établit une justification de l’importance que joue l’aspect social dans la formation des comportements économiques et de ses conséquences globales.

Les effets de pairs sont une forme bien connue d’interaction sociale. Ils se définissent comme l’influence du comportement des individus d’un groupe de référence sur la décision d’un individu de ce même groupe. Cette influence sociale peut affecter plusieurs aspects de la vie des individus, notamment en ce qui concerne leurs décisions de consommation. Plus

(16)

spécifiquement, l’utilité des consommateurs peut être influencée par les décisions et les ca-ractéristiques de consommation de leurs pairs. De nombreuses études ont été publiées sur l’influence des interactions sociales sur les comportements de consommation des individus. Par exemple, la consommation de malbouffe, d’alcool et de cigarettes (Fortin et Yazbeck

(2011),Wu et al. (2014) etNakajima(2007)) peut être fortement influencée par les pairs. Les interactions sociales peuvent aussi affecter la consommation de manière plus générale.

La société est influencée par la culture de la consommation, où les gens se comparent entre eux (Jean,1970).Ekins(1991) note que la société dicte aux individus que la possession et l’utilisation d’un nombre croissant de biens et services mènent au prestige, au bonheur et à la dominance sociale. Également, plusieurs auteurs affirment que les gens attachent beaucoup de valeur à leur individualité et leur originalité, ce qui se répercute dans leurs comportements de consommation (Snyder et Fromkin, 2012). Ainsi, les comportements de consommation visible sont considérés comme des signaux par lesquels les individus démontrent leur position dans la société (Heffetz, 2004). En ce sens, la consommation ostentatoire se définit par la consommation de biens et services destinée à signaler son statut social, son mode de vie ou sa personnalité. Dans son ouvrage Théorie de la classe de loisir (1899), Veblen expose ce concept et propose que les individus appartenant aux classes supérieures aient le désir d’indiquer leur statut social et leur richesse en consommant des biens de luxe. Toutefois, ce comportement social est aussi très commun chez les gens de classes inférieures (Charles et al.,2007).

Il est pertinent d’estimer ces interactions sociales, car si les effets de pairs ne sont pas pris en compte dans la prévision de politiques, les impacts attendus seront différents des impacts réels. D’abord, les effets de réseau peuvent créer des distorsions intratemporelles provoquant une surconsommation de certains biens. Ensuite, ils peuvent engendrer des distorsions inter-temporelles au niveau de la consommation et de l’épargne globales. Par contre, l’identification empirique des effets de pairs est complexe en raison de certains problèmes économétriques. La distinction entre les différents comportements sociaux est difficile à déterminer. Certaines sources de biais tels que les chocs communs, le problème de simultanéité entre les comporte-ments des agents et l’observabilité partielle du réseau compliquent l’identification des para-mètres.

L’objectif de la présente étude est d’estimer les effets de pairs sur la croissance du ni-veau de consommation des ménages. Peu de recherches ont été réalisées sur ce sujet. Jusqu’à présent, les études empiriques abordant cette question ont surtout suivi une approche ma-croéconomique. En effet, il existe une vaste littérature macroéconomique sur la formation d’habitudes externes, mais peu de recherches ont été réalisées à l’aide de microdonnées sur la consommation des ménages.

Afin de répondre à cette interrogation, une base de données provenant du UK Data Service sera utilisée. Cette base de données contient des informations sur le nombre de voitures

(17)

par ménage, un bien de consommation durable et hautement visible. Ainsi, le but de cette recherche sera de déterminer s’il existe des effets de pairs sur la croissance du niveau de consommation de véhicules par les ménages interagissant en groupes.

Ce mémoire est divisé en cinq parties. La première section sera composée d’une revue de littérature. Nous y aborderons deux différents comportements sociaux, la littérature éco-nométrique présentant les problèmes d’identification et leur solution, ainsi qu’un aperçu des applications empiriques réalisées par le passé. Ensuite, nous expliquerons de manière détaillée les données employées dans la Section 2 ainsi que la méthodologie utilisée à la Section 3. Par la suite, la Section 4 présente les résultats et la robustesse de nos analyses. Enfin, nous concluons.

(18)
(19)

Chapitre 1

Revue de littérature

1.1

Différents phénomènes sociaux

Une des premières contributions de la littérature économique à l’analyse des interac-tions sociales fut celle deLeibenstein(1950). Cet article discute de l’importance de reformuler quelques aspects de la théorie classique du consommateur en permettant le relâchement de certaines hypothèses de base. Plus spécifiquement, il postule que le comportement de consom-mation d’un individu n’est pas indépendant de la consomconsom-mation des autres. D’un point de vue macrosociologique, la société motive les décisions individuelles et la prise de décision écono-mique est véritablement dépendante du contexte social. En ce sens, Leibenstein(1950) décrit deux phénomènes.

Premièrement, l’effet de mode (Bandwagon effect) se définit par l’augmentation de la demande d’un bien chez un individu due au fait que les autres individus consomment ce même bien. Il s’agit d’un comportement de conformité sociale. Le fait d’imiter la majorité peut découler d’une pression sociale à se conformer aux autres. En effet, une dissonance avec le groupe de référence peut donner lieu à un état psychologique inconfortable qui motive les individus à se conformer (Festinger,1962). Par exemple, si un individu se comporte de manière discordante, antisociale ou excentrique, il sera affecté négativement. Ces comportements non conformes seront punis par le groupe de référence. Ce coût psychologique viendra réduire l’utilité globale de l’individu et il s’agira parfois d’un coût d’opportunité trop élevé pour justifier un comportement marginal. Il est alors évident que, par la prise en compte de ces coûts psychologiques, le comportement optimal des individus s’écartera de ce qui est prévu par le modèle Homo œconomicus (Göbel et al.,2010).

Le second phénomène est l’anticonformisme. Contrairement à l’effet de mode, le snob effect, ainsi nommé par Leibenstein (1950), décrit le comportement où la diminution de la demande d’un bien par un individu découle du fait que les autres en consomment. Plus gé-néralement, il est défini comme un comportement ou une croyance en contradiction avec les

(20)

standards sociaux.

En effet, certaines personnes peuvent éprouver le besoin de se sentir uniques et perçoivent que leur identité est menacée lorsqu’ils ressemblent trop aux autres (Tian et al., 2001). En ce sens, la Uniqueness Theory (Snyder et Fromkin,2012) énonce que les gens attachent de la valeur à leur individualité et désirent se démarquer des autres en exhibant des comportements contraires aux normes sociales. Lorsque les individus ont l’impression d’être trop semblables, ils éprouvent un coût psychologique. Les comportements anticonformistes peuvent ainsi être plus bénéfiques pour préserver leur intégrité personnelle (Hornsey et al.(2003) etSharma et Verma

(2014)). Grâce à leurs comportements de consommation, les individus définissent leur propre identité ainsi que leur identité sociale (Chou et al., 2013). En effet, l’étude expérimentale de

Chou et al.(2013) démontre qu’en situation de forte similarité, les individus préfèrent dévier du groupe et se comporter différemment. Ceux-ci veulent signaler leur individualité à la société en ayant des comportements de consommation distincts.

Comme nous pouvons facilement l’observer dans les sociétés occidentales, les consomma-teurs valorisent la liberté et les droits individuels. L’originalité, l’indépendance et l’affirmation de soi y sont encouragées contrairement à la conformité et la banalité. Il est effectivement mal vu de céder à la pression sociale et de renoncer à son autonomie (Snyder et Fromkin

(2012) et Kim et Markus (1999)). Par exemple, dans la société américaine, la conformité est décrite comme un concept défavorable et contraire à l’épanouissement et l’indépendance. La conformité est vue comme une violation des idéaux culturels et une menace à l’individualité. Par ailleurs,Sharma et Verma(2014) etChou et al.(2013) démontrent que les comportements de consommation anticonformistes sont un phénomène qui se retrouve non seulement dans les sociétés occidentales, mais dans toutes les cultures.

Les comportements anticonformistes peuvent aussi être utilisés pour signaler son statut social et indiquer sa position de pouvoir (Latter et al.,2010).Bellezza et al.(2014) introduit le concept du « Red sneaker effect ». Ce phénomène caractérise la volonté des individus possédant un statut élevé de volontairement diminuer leur consommation ostentatoire et d’adopter des habitudes de consommation hors norme. Par exemple, un riche homme d’affaires peut choisir de s’habiller de manière informelle dans un contexte professionnel. La société aurait tendance à attribuer plus de pouvoir et de compétences à ceux qui ne se conforment pas volontairement. En effet, lorsque la violation des normes sociales apparaît comme étant délibérée, l’individu est vu comme une personne unique et autonome. Ceux-ci sont perçus comme assez indépendants et confiants pour supporter le coût psychologique de l’anticonformisme (Bellezza et al.,2014). Enfin, Hornsey et al. (2003) avancent une autre raison pouvant inciter les individus à se comporter différemment des autres. Ils démontrent que les individus possédant de fortes convictions morales désirent s’opposer publiquement à leur groupe de référence si celui-ci ne les soutient pas. Ces individus préfèrent être fidèles à leurs principes plutôt que de faire

(21)

partie du groupe. En effet, une opinion ou un comportement peut ne pas être socialement accepté, mais chez certains individus, le bénéfice de ne pas se conformer outrepasse leur besoin d’être approuvé par le groupe. Les auteurs expliquent que ces individus pourraient utiliser des comportements d’anticonformité publics afin de persuader d’autres individus du groupe à leur cause. Alors, il apparaît que l’anticonformisme peut prendre la forme d’activisme, de contestation ou de déviation par rapport au groupe de référence (Hornsey et al.,2003).

En somme, l’effet de mode et le snob effect viennent affecter les comportements de consommation des individus.

1.2

Littérature économétrique

Dans la science économique, il existe de plus en plus de littérature sur les interactions sociales (Bramoullé et al. (2009), Chandrasekhar et Lewis (2011) et Lee (2007)). Un défi majeur de la littérature empirique provient de certains problèmes d’identification. Il est difficile d’estimer séparément les différents effets sociaux. Plusieurs auteurs ont approfondi l’étude de ces problèmes économétriques à partir de l’analyse fondamentale de Manski (1993). Il y aborde différents problèmes survenant lors de l’identification des effets sociaux dans un modèle structurel linéaire-en-moyennes. Il soulève le risque de simplement mesurer des variations de préférences ou des chocs externes au sein des groupes de pairs, causant ainsi des difficultés lors de l’identification du paramètre d’intérêt. En effet, il est difficile de faire la distinction entre un véritable effet de pairs et de simples effets corrélés communs pour tous les individus du groupe.

Manski (1993) distingue trois effets pouvant expliquer la raison pour laquelle les indi-vidus appartenant au même groupe social pourraient se comporter de façon similaire. Nous prenons l’exemple d’un comportement de consommation pour les illustrer.

– Les effets de pairs endogènes :

Le comportement de consommation d’un ménage varie à la suite du comportement de consommation de son groupe de pairs. L’expression «Keeping up with the Joneses» ca-ractérise ce type d’effet. Par exemple, une famille pourrait s’acheter une nouvelle four-gonnette sachant que leurs amis ont fait de même.

– Les effets de pairs exogènes (effets contextuels) :

Le comportement de consommation d’un ménage varie avec les caractéristiques exogènes de son groupe de pairs. Par exemple, un jeune homme pourrait s’acheter une belle voiture sachant que son voisin (son pair) a une nouvelle amoureuse.

– Les effets corrélés :

Il peut s’agir de chocs communs à tous les ménages du groupe social qui affectent leur consommation de la même manière. De plus, il peut s’agir d’homophilie, c’est-à-dire

(22)

que les ménages ayant les mêmes caractéristiques tendent à être des pairs. En d’autres termes, ces effets corrélés sont dus à des caractéristiques non semblables au sein des groupes.

Afin d’illustrer les problèmes économétriques dans un modèle linéaire-en-moyennes, la forme structurelle du modèle s’écrit :

yi,r= αr+ θxi,r+ γyr+ λxr+ i,r (1.1)

où les variables yi,r etyr représentent respectivement la consommation du ménage i

apparte-nant au groupe de référence r et la moyenne de consommation des ménages apparteapparte-nant au groupe de référence r. De manière analogue, les variables xi,r et xr représentent

respective-ment les caractéristiques exogènes du ménage i appartenant au groupe de référence r et la moyenne de ces mêmes caractéristiques des ménages appartenant au groupe de référence r. Le paramètre γ représente l’effet de pairs endogène, λ est le paramètre d’effets de pairs exogènes et θ est le paramètre des caractéristiques exogènes du ménage i appartenant au groupe de référence r.

Un premier problème d’identification survient en présence d’effets corrélés de groupe. Nous ne pouvons pas estimer les paramètres du modèle, car la variable d’effet fixe de groupe (αr), la variable de la moyenne du comportement d’intérêt (yr) et la variable de la moyenne

des caractéristiques exogènes (xr) ne varient pas au sein d’un groupe. Lors de la soustraction des effets fixes, tous les autres effets spécifiques aux groupes sont éliminés, dont les effets endogènes et les effets contextuels. Cependant, le modèle deLee(2007) permet de séparer les trois effets.

yi,r= αr+ θxi,r+ γy−i,r+ λx−i,r + i,r (1.2)

Contrairement à Manski (1993) qui inclut l’individu à son groupe de référence dans le calcul des moyennes, la source d’identification provient du fait que le groupe de référence de chaque individu contient tous les individus du groupe sauf lui-même. Ainsi, ces variables (équation 1.2) ne sont plus spécifiques aux groupes, mais aux individus. En calculant le modèle en variation par rapport aux moyennes des groupes, seuls les effets corrélés sont éliminés.

Un deuxième problème survient lors de l’identification des paramètres de ce modèle.

Manski(1993) illustre l’existence du problème de réflexion, c’est-à-dire un problème de simul-tanéité lorsqu’il existe des effets de pairs endogènes et exogènes. Par exemple, imaginons un groupe de pairs composé de différents ménages où les deux effets sont présents. Si une caracté-ristique exogène d’un ménage particulier change, faisant varier son niveau de consommation, les autres ménages du groupe varieront alors leur propre niveau de consommation. Mais quelle partie de la variation de consommation des pairs est attribuable au changement de la caracté-ristique exogène du ménage de référence ou attribuable au changement de son comportement de consommation ? Il est alors difficile de discerner les deux phénomènes.

(23)

Il est important de discerner ces deux effets, car seuls les effets de pairs endogènes peuvent entraîner un multiplicateur social. Par la transmission d’informations aux pairs sur l’achat de certains biens et services, cela pourrait changer leurs comportements de consom-mation. Ainsi, le multiplicateur social modifie les impacts prévus des politiques économiques. Par exemple, une taxe ou un transfert imposé à un groupe peut, en présence d’effets de pairs endogènes, se répercuter à travers l’économie entière. Ainsi, lorsqu’il y a un choc exogène sur la consommation, on peut observer un effet direct et un effet indirect sur la consommation glo-bale. L’effet direct sur la consommation découle du choc lui-même, tandis que l’effet indirect découle des effets de pairs endogènes.

Dans le contexte de notre étude, le multiplicateur social se définit comme :

Multiplicateur social = Effet total du choc exogène sur la consommation Effet direct du choc exogène sur la consommation

Comme exemple, un multiplicateur social de 2 signifie que l’effet d’une politique visant à augmenter la consommation globale des ménages est doublé grâce à la propagation sociale. Pour résoudre le problème de réflexion dans notre modèle, nous imposons des restrictions d’exclusion sur les effets contextuels. Nous stipulons qu’il existe des variables contextuelles qui n’affectent pas directement yi,r. La méthode que nous employons consiste à utiliser x−i,r

pour instrumenter y−i,r. De plus, nous poserons l’hypothèse que les ménages interagissent en groupes. Peu de données existent sur les réseaux et l’hypothèse d’interactions de groupe est souvent adoptée (Boucher et al.,2010). Plus particulièrement, ce modèle économétrique repose sur l’hypothèse que les individus sont influencés par les autres individus de leur groupe, mais par aucun à l’extérieur de celui-ci.

Enfin, un dernier problème survient lorsque nous n’observons pas la totalité des ménages à l’intérieur de tous les groupes de référence. Le problème d’observabilité partielle entraîne des coefficients biaisés (Chandrasekhar et Lewis, 2011). Par contre, Bellemare et al. (2011) note que dans l’estimation par restrictions d’exclusion, les hypothèses qui permettent d’identifier le modèle ne sont pas affectées par la proportion d’individus observés dans un groupe.

1.3

Applications empiriques

1.3.1 Formation d’habitudes externes

La formation d’habitudes externes est un concept standard dans la littérature macroéco-nomique. Elle se caractérise par l’influence sociale des pairs sur les décisions de consommation des individus et de ses conséquences agrégées. On y examine l’effet de diverses interactions so-ciales sur le niveau de consommation de l’économie entière. Plusieurs auteurs font mention que

(24)

les habitudes de consommation individuelles sont influencées par les niveaux de consommation agrégée.

Binder et Pesaran (2001) examinent comment les interactions sociales affectent les dé-cisions de consommation des individus selon différents degrés d’agrégation dans une économie composée de réseaux. Ils trouvent que la présence d’interactions sociales a généralement d’im-portants effets sur les décisions de consommation optimales des individus et, plus largement, au niveau de l’économie entière. Lorsque les individus se conforment à leur groupe social, ils adaptent leur profil de consommation à celui de leurs pairs et cela se répercute sur le niveau de consommation agrégée.

Göbel et al.(2010) étudient le niveau de consommation à l’état stationnaire en présence d’effet de conformité, et comment celui-ci peut être décrit par rapport au niveau de consom-mation obtenu sous les hypothèses classiques. Ils démontrent qu’après un choc exogène sur la consommation, l’effet de conformité entraîne un état stationnaire différent de celui tradition-nellement estimé. Ce nouvel état stationnaire s’écarte en direction du niveau de consommation moyen des pairs.

1.3.2 Analyses avec micro-données

Il est aussi important d’examiner les impacts microéconomiques des interactions sociales sur la consommation des ménages. Par contre, le nombre de bases de données incluant le réseau social des individus est très limité. Conséquemment, très peu d’études se sont penchées sur les interactions sociales par rapport à la consommation au niveau microéconomique.

De Giorgi et al.(2012) testent si les interactions sociales influencent le niveau de consom-mation des ménages. De plus, ils tentent de comprendre les implications agrégées des effets de réseaux sur la consommation. Grâce à des données sur les impôts au Danemark, les au-teurs ont utilisé les collègues de travail comme groupe de référence des ménages. Ils trouvent que la consommation des collègues affecte significativement la consommation des ménages. En particulier, la consommation des collègues du mari affecte positivement et de manière non négligeable sa consommation. Ils estiment un multiplicateur social de 1,4. En d’autres termes, si un choc exogène affecte positivement la consommation des ménages par une hausse ini-tiale de 10%, il en découle, en tenant compte des forces sociales, d’une augmentation de la consommation agrégée de 14%.

Kuhn et al. (2008) analysent les effets d’une loterie qui a généré un choc positif tem-poraire et non anticipé sur le revenu des ménages gagnants aux Pays-Bas. Bien que le revenu des voisins des gagnants reste inchangé, ils détectent que ceux-ci augmentent également leur niveau de consommation. Ils obtiennent des effets de pairs positifs sur deux types de biens : les voitures et les rénovations domiciliaires extérieures. Ces biens de consommation sont parmi les plus visibles pour les voisins du quartier. Les auteurs détectent que la consommation de

(25)

ces biens durables visibles par les pairs (dans ce cas, les voisins immédiats) est affectée par les chocs exogènes sur le revenu de leurs voisins. Ils constatent que les ménages semblent consommer de façon compétitive, ce qui entraîne un effet de conformité.

Enfin,Maurer et Meier(2005) examinent si le choix optimal de consommation des mé-nages est affecté par les décisions de consommation des autres mémé-nages possédant des caracté-ristiques similaires. Faute d’informations sur les réseaux, ils posent comme hypothèse que les ménages ayant les mêmes caractéristiques exogènes font partie du même groupe de pairs. De plus, ils utilisent la consommation de nourriture comme estimation à la consommation totale des ménages. Ils trouvent, au sein des groupes, de solides preuves empiriques de mouvements simultanés de la consommation. Mais lorsqu’ils distinguent entre les vraies externalités à la consommation et de simples effets corrélés, ils ne trouvent pas de preuves empiriques d’effets de pairs endogènes sur les décisions de consommation intertemporelle des ménages.

(26)
(27)

Chapitre 2

Description des données

La base de données que nous utilisons provient du UK DATA Service (Understanding Society : Innovation Panel) Waves 1-6, 2008-2013. Cette base de données a été choisie, car il s’agit d’une enquête longitudinale annuelle auprès de ménages de Grande-Bretagne choisis de manière aléatoire. Les ménages y fournissent leurs caractéristiques démographiques, leurs renseignements de base et plusieurs autres informations importantes. Six vagues d’enquête ont été effectuées de 2008 à 2013. Entre 1000 et 1500 ménages ont été interviewés chaque année, incluant de 1600 à 2600 adultes (16 ans et plus) et de 130 à 260 jeunes (10 à 15 ans). Cette enquête nous permet d’observer les comportements de consommation des ménages en divulguant plusieurs renseignements sur l’acquisition de différents biens et services.

2.1

Variable de consommation

Dans notre base de données, la consommation totale des ménages n’est pas rapportée. Nous avons donc décidé de nous baser sur la consommation d’un bien précis. Il est alors important que la variable choisie soit liée à la consommation d’un bien visible. Les biens de luxe consommés en public sont fortement influencés par les pairs tandis que la consommation de biens de nécessité en est peu influencée (Childers et Rao,1992). En effet, la consommation doit être perçue par les autres pour permettre aux pairs de se comparer. Par conséquent, il est important que la variable choisie soit la consommation d’un bien de luxe visible dont sa consommation est observée par les pairs.

L’indice de visibilité de Heffetz est un indicateur qui classe 31 biens de consommation et de services du plus visible (première position) au moins visible (dernière position). Parmi les biens les plus visibles, on retrouve la consommation de cigarettes et de vêtements tandis que les biens de consommation les moins visibles sont, par exemple, la consommation d’assurance vie et de sous-vêtements. Dans notre base de données, la consommation du bien le plus visible est la consommation de véhicules à usage privé. Plus précisément, il s’agit du nombre total de voitures ou de fourgonnettes que le ménage possède. Ce bien de consommation se retrouve au

(28)

3erang de l’indice de visibilité de Heffetz, ce qui porte à penser que sa consommation est très

visible et potentiellement influencée par les pairs (Heffetz,2004)1.

2.2

Groupe de référence

Le principal problème rencontré avec cette base de données est qu’elle ne contient pas d’informations sur les groupes de référence des ménages. Une spécification informée du groupe de référence est nécessaire à l’analyse des effets sociaux. En effet, les preuves empiriques et la littérature doivent supporter la spécification des groupes de référence (Manski, 1993). Étant donné que nous ne possédons pas de telles informations, nous posons comme hypothèse que les ménages interagissent en groupe. Ainsi, on suppose que les ménages sont influencés par tous les autres ménages de leur groupe, mais par aucun à l’extérieur de celui-ci.

Leon Festinger (Festinger,1962), célèbre psychologue social, énonce dans sa théorie sur la comparaison sociale que les gens se comparent principalement aux membres de leur propre groupe social, c’est-à-dire, aux individus possédant des caractéristiques similaires. De plus,

Childers et Rao (1992) précisent que les pairs socialement éloignés fournissent une influence significative lorsqu’il s’agit de comportements de consommation visible au public. Bien que les individus n’interagissent pas directement entre eux, ils sont capables d’observer les choix de consommation de chacun et ainsi les influencer. En ce sens, nous créons nos groupes de réfé-rence grâce aux caractéristiques exogènes des ménages. Cette méthode est également utilisée parMaurer et Meier(2005).

Les critères que nous sélectionnons pour construire les groupes de pairs sont présentés à la FigureB.1de l’Annexe B. Premièrement, nous nous basons sur les caractéristiques spatiales des ménages (Groupe spatial : 103 groupes de 5 à 548 ménages). Nous croyons qu’il est plus probable que les ménages interagissent avec d’autres ménages se trouvant dans la même région et dans le même type de zonage. Ensuite, nous construisons un autre groupe de référence en ajoutant la tranche d’âge du répondant des ménages2 (Groupe 4 : 96 groupes de 20 à 288 ménages). Finalement, nous rajoutons l’état civil des répondants des ménages pour construire le dernier groupe de référence (Groupe 3 : 67 groupes de 36 à 429 ménages).

Nos groupes de référence sont construits chaque année, c’est-à-dire que les ménages chan-geant de caractéristiques au cours des années changeront aussi de groupe de référence. Ainsi, nous posons comme hypothèse que les ménages ne s’influencent que de façon contemporaine.

1. Idéalement, la variable de consommation aurait inclus la qualité du véhicule acquis. Le nombre de véhicules que le ménage possède ne prend pas en compte un remplacement de véhicule pour un de meilleure qualité. Malheureusement, cette variable n’était pas disponible dans notre base de données.

2. Le répondant est un membre du ménage qui a répondu au questionnaire pour la base de données

(29)

2.3

Répartition de l’échantillon

Après avoir éliminé les observations avec des données manquantes essentielles à notre étude, nous comptons 5159 ménages dans notre échantillon. Les TablesA.1etA.2rapportent les caractéristiques démographiques de l’échantillon. Nous y présentons respectivement le nombre d’individus et le nombre d’enfants dans les ménages. La plupart des ménages ne contiennent qu’entre un et trois individus et n’ont pas d’enfant. Par la suite, la Table A.3

illustre la répartition des ménages selon la zone résidentielle où ils habitent. Les trois quarts se situent dans une zone urbaine. La TableA.4rapporte plus spécifiquement la répartition régio-nale de notre échantillon entre les différentes régions administratives de la Grande-Bretagne. Nous retrouvons plus de ménages dans les régions de l’Angleterre du Sud-Est (région la plus populeuse d’Angleterre), l’Angleterre du Nord-Ouest (où se retrouvent de grandes villes comme Liverpool et Manchester) et le Grand Londres (capitale du Royaume-Uni).

La TableA.5rapporte les intervalles d’âge des répondants de notre échantillon. Plus de la moitié (52,65%) des répondants sont âgés de 30 à 59 ans. Ensuite, la Table A.6 distingue les répondants selon leur état civil. Près d’un quart des individus sont célibataires et plus de la moitié sont en couple (mariés ou conjoints de fait). Enfin, 18,16% des répondants sont considérés comme séparés (soit séparés, divorcés ou veufs).

(30)
(31)

Chapitre 3

Méthodologie

3.1

Modèle théorique

Le cadre théorique que nous utilisons pour cette étude provient de la théorie du cycle de vie qui modélise le sentier de consommation des ménages (Modigliani et Brumberg,1954). Ce modèle décrit les choix optimaux de consommation et d’épargne d’un ménage représentatif cherchant à maximiser la valeur actualisée de son utilité. L’équation 3.1 représente l’équation d’Euler. Une baisse d’utilité à la période t, engendrée par la diminution de la consommation et l’augmentation de l’épargne, est compensée par l’augmentation de l’utilité actualisée à la période t+1, créée par les revenus générés par les intérêts de l’épargne supplémentaire.

u0(Cto) = β Etu0(Ct+1) R

= β u0(Ct+1o ) R t+1

(3.1)

L’utilité de la consommation d’aujourd’hui est influencée par le taux d’escompte du temps β, le taux d’intérêt R (que nous supposons être constant) et le gain escompté en utilité de la consommation à la période t+1. De plus, le terme d’erreur, t+1, est multiplicatif et suit

une distribution log-normale.

Notre étude est empirique, alors nous observons la consommation réalisée à chaque pé-riode. Le niveau de consommation de la période t est influencé par le niveau de consommation observé à la période t+1, Ct+1o , combiné à un choc aléatoire t+1.

(32)

constante (CRRA)1. La fonction d’utilité d’un ménage est décrite par l’équation 3.2. u(Ci,r,t) = 1 1 −σ1  Ci,r,t (M G[C−i,r,t])γ xθi,r,t 1−1σ (3.2)

Dans l’équation 3.2, u(Ci,r,t) représente la fonction d’utilité du ménage i à la période t.

La matrice xi,r,t représente des variables démographiques spécifiques au ménage i et la

matrice de paramètres θ représente les coefficients associés à celles-ci. De plus, le paramètre σ représente une aversion au risque constante.

Dans le contexte étudié, les effets de pairs influencent l’utilité des ménages. Nous y incorporons donc un terme représentant la consommation des pairs venant influencer l’utilité du ménage.

M G[C−i,r,t] représente la moyenne géométrique du niveau de consommation du groupe

de pairs du ménage i à la période t. Cette moyenne est calculée en excluant le ménage i. Le paramètre γ représente l’effet de la consommation du groupe de pairs sur l’utilité du ménage. S’il n’existe pas d’effets de pairs, γ sera égal à zéro et nous retrouverons une fonction d’utilité standard.

En dérivant l’équation 3.2, nous retrouvons l’utilité marginale du ménage.

u0(Ci,r,t) =  Ci,r,t (M G[C−i,r,t])γxθi,r,t −1σ (3.3)

En linéarisant l’équation 3.3 par logarithme naturel, nous retrouvons un modèle linéaire que nous pourrons estimer.

σ ln[u0(Ci,r,t)] = −ln(Ci,r,t) + γ[M A(C−i,r,t)] + ln(xi,r,t)0θ (3.4)

Suite à la linéarisation et à la multiplication avec σ de l’équation d’Euler (3.1), nous la com-binons avec la fonction d’utilité (3.4).

σ ln[u0(Ci,r,t+1)] = −ln(Ci,r,t) + γ [M A(C−i,r,t)] + ln(xi,r,t)0θ − σ lnβ − σ lnR − σ lnt+1 (3.5)

Nous remplaçons le terme ln[u0(Ci,r,t+1)] par l’équation 3.4 devancée d’une période.

lnCi,r,t+1− lnCi,r,t | {z } yi,r,t = σ (lnβ + lnR) | {z } αi +γ (M A−i,r,t+1− M A−i,r,t) | {z } y−i,r,t +θ0(xi,r,t+1− xi,r,t) | {z } xi,r,t + σ lnt+1 | {z } i,r,t (3.6)

1. Cette fonction d’utilité rend possible la prise en compte d’externalité à la consommation dans le modèle. L’utilité des ménages est influencée par leur propre consommation, la consommation de leurs pairs et certaines caractéristiques exogènes.

(33)

où le paramètre αi représente la constante du modèle. Nous retrouvons un modèle simple à estimer.

Puisque notre étude s’intéresse à la consommation intertemporelle, nous générons nos variables comme des taux de croissance entre chaque période. Le modèle captera les change-ments de niveau de consommation des ménages.

∆yi,r,t= ∆αi+ ∆x0i,r,tθ + γ∆y−i,r,t+ ∆i,r,t, t = 2, 3, ..., T (3.7)

où ∆yi,r,t=yi,r,t−yi,r,t−1

yi,r,t−1 , ∆xi,r,t=

xi,r,t−xi,r,t−1

xi,r,t−1 , ∆y−i,r,t=

∆y−i,r,t−∆y−i,r,t−1

∆y−i,r,t et ∆i,r,t=

i,r,t−i,r,t−1

i,r,t−1 .

Dans l’équation 3.7, ∆yi,r,t représente la croissance du niveau de consommation du mé-nage i. La variable ∆αi représente un taux de croissance constant, par exemple la croissance

économique. La matrice ∆xi,r,t englobe des variables exogènes démographiques propres à

cha-cun des ménages qui influencent leur consommation. Par hypothèse de restriction d’exclusion, nous posons que les mêmes variables au niveau du groupe n’influencent pas la consommation du ménage i. En d’autres mots, il n’existe pas d’effets contextuels dans notre modèle. Consé-quemment, la matrice xi,r,t ne se retrouve pas dans la fonction d’utilité des ménages. Le terme ∆y−i,r,treprésente la croissance de la moyenne arithmétique du niveau de consommation dans

les ménages du groupe de référence. Lors du calcul de cette moyenne, le ménage i est logi-quement retiré de son groupe de référence (nous ne sommes pas notre propre pair). Donc, pour chaque ménage, ce terme est différent. Enfin, t+1,i est un terme d’erreur idiosyncrasique

normalement distribué.

Dans l’équation 3.7, le coefficient γ, auquel nous nous intéressons, indique s’il y a la présence de comouvements du niveau de croissance de la consommation à l’intérieur du groupe. De plus, s’il n’existe pas d’effets corrélés, γ ne représente que les effets de pairs endogènes. Nous ne posons pas cette hypothèse, car certains modèles économétriques permettent de capter les effets corrélés.

3.2

Estimations économétriques

Nous utilisons plusieurs modèles pour estimer nos paramètres. Nous débutons par la méthode d’estimation la plus élémentaire vers la méthode d’estimation la plus complexe, mais la plus appropriée.

3.2.1 Estimation par moindres carrés ordinaires

Nous estimons d’abord un modèle linéaire simple par l’approche des moindres carrés ordinaires2 :

yi,r,t = α + x0i,r,tθ + γy−i,r,t+ i,r,t (3.8)

(34)

où yi,r,t représente la croissance du niveau de consommation de véhicules du ménage i ap-partenant au groupe de référence r au temps t. La constante α représente la tendance de consommation des ménages. De plus,

xi,r,t ≡ [X1i,t, X2i,t] et θ ≡

" θ1

θ2

# ,

où X1i,t et X2i,t représentent respectivement la croissance du nombre d’individus et la crois-sance du nombre d’enfants dans le ménage i. Le termey−i,r,t représente la moyenne

arithmé-tique de la croissance du niveau de consommation de véhicules dans les ménages du groupe de référence. Enfin, i,r,t est le terme d’erreur. Toutefois, par construction, nous savons que

E[y−i,r,t0i,r,t] 6= 0

Il existe un problème de simultanéité entre les variables yi,r,t et y−i,r,t. Cette dernière est une variable explicative endogène. De plus, nous avons des raisons de croire que

i,r,t= µr,t+ νi,r,t

où µr,t représente un effet fixe de groupe et νi,r,t représente un terme d’erreur idiosyncrasique.

En effet, le paramètre γ capte les effets corrélés et les effets de pairs endogènes. Par conséquent, l’estimation des effets de pairs par la méthode des MCO vient biaiser l’effet réel des pairs.

3.2.2 Estimation par variables instrumentales

Nous utilisons la méthode d’estimation par variables instrumentales pour résoudre le problème de variable explicative endogène. La variable y−i,r,t, la moyenne arithmétique du niveau de croissance de la consommation, est endogène. S’il existe des interactions sociales, cela créée un problème de simultanéité avec la variable yi,r,t. Le niveau de consommation

d’un ménage influence le niveau de consommation des ménages de son groupe de référence et vice-versa. Pour cette raison, nous utilisons la méthode des variables instrumentales.

Pour être valide, un instrument doit être corrélé avec la variable explicative endogène, mais il ne doit pas être corrélé avec le terme d’erreur. Les deux instruments choisis sont la moyenne arithmétique de la croissance du nombre de personnes dans les ménages du groupe de référence excluant le ménage i et la moyenne arithmétique de la croissance du nombre d’enfants dans les ménages du groupe de référence en excluant le ménage i. Ces instruments sont valides seulement si l’hypothèse de restriction d’exclusion est posée, sans quoi ils ne vérifient pas la condition d’exogénéité.

La méthode utilisée est l’estimateur des moindres carrés en deux étapes.

yi,r,t = α + x0i,r,tθ + γy−i,r,t+ i,r,t, (3.9)

(35)

où chacune des variables a été précédemment définie.

Nous régressons la variable explicative endogène,y−i,r,t, sur les variables exogènes et les instruments choisis.

b

y−i,r,t= λ0+ x0i,r,tλ + z 0

−i,r,tπ + νi,r,t (3.10)

où z−i,r,t représente la matrice des instruments.

Par contre, une limite de ce modèle vient du fait qu’il ne tient pas compte des effets corrélés de groupe.

3.2.3 Modèle linéaire avec effets fixes

Nous utilisons un modèle avec effets fixes de groupe pour tenir compte des effets corrélés. En présence d’hétérogénéité non observée et indépendante du temps entre les groupes, nous pouvons utiliser ce modèle. Les effets fixes peuvent capter, par exemple, l’impact des différentes régions où habitent les groupes de référence. Les effets de groupe αr sont traités comme des

variables aléatoires possiblement corrélées avec les variables incluses. Il n’y a pas de problème d’identification, car toutes nos variables varient dans le temps. Par ailleurs, nous utilisons toujours une méthode d’estimation par variables instrumentales.

yi,r,t = αr+ x0i,r,tθ + γy−i,r,t+ i,r,t, (3.11)

où αr capte l’hétérogénéité non observée invariante dans le temps des groupes de référence r.

Les autres termes ont déjà été définis.

Toutefois, ce modèle contient le problème de paramètres incidents. Ce problème survient, car l’estimation est faite sur une période fixe et notre modèle contient un paramètre qui varie avec le nombre de groupes. Plus le nombre de groupes augmente, plus nous devons estimer de paramètres αr. Par conséquent, le nombre de paramètres à estimer tend vers l’infini et ne converge pas.

3.2.4 Modèle linéaire en moyenne avec effets fixes

Nous estimons le modèle en déviation autour des moyennes par groupes (within) par la méthode des variables instrumentales qui est asymptotiquement efficace. Les estimateurs intragroupes nous permettent d’éliminer les effets corrélés.

Premièrement, nous utilisons la formulation d’origine :

yi,r,t = αr+ xi,r,t0θ + γy−i,r,t+ i,r,t (3.12)

Par la suite, nous estimons les moyennes de groupe en incluant le ménage i dans son groupe de référence :

(36)

Enfin, nous calculons les écarts par rapport aux moyennes par groupe de référence. Ici, la taille des groupes de référence est importante, car plus le nombre de ménages dans le groupe est petit, plus la différence entre la moyenne incluant le ménage et excluant celui-ci est grande ce qui facilite l’identification des paramètres

yi,r,t− yr,t = (xi,r,t− xr,t)0θ + (y−i,r,t− yr,t)0γ + (i,r,t− r,t) (3.14)

Ce modèle remédie au problème de paramètres incidents, car il élimine le terme αr.

L’effet corrélé est fixe pour chaque groupe et est identique pour chaque ménage à l’intérieur du groupe. Ce modèle permet alors l’estimation de paramètres convergents.

Une limite du modèle en déviation par rapport à la moyenne est que les variables constantes dans le temps sont éliminées et leur coefficient n’est pas identifié. Par exemple, l’effet du sexe du répondant sur la consommation ne peut pas être estimé. Par contre, ce problème ne touche pas notre modèle, car il ne contient pas de variables constantes dans le temps.

(37)

Chapitre 4

Résultats

Le Tableau C.1 permet de comparer les résultats obtenus à l’aide des différentes mé-thodes d’estimations effectuées avec les groupes de référence spatiale (Groupe spatial). La première colonne présente les résultats de l’estimation par moindres carrés ordinaires. Le co-efficient représentant les effets de pairs endogènes est positif, mais non significatif. Nous ne détectons pas de comouvements du niveau de consommation au sein des groupes de référence. L’effet de la croissance de la taille du ménage est positif et très significatif (1,02). Cela semble logique, car plus il y a de gens dans le ménage, plus le ménage consommera de véhicules. En-fin, l’effet de la croissance du nombre d’enfants dans le ménage est très significatif et négatif (-0,2853). Comme nous nous y attendions, si le nombre d’enfants (représentant des membres sans revenu et non-conducteur) dans le ménage augmente, le niveau de consommation de véhi-cule diminuera. La deuxième colonne détaille l’estimation par moindres carrés en deux étapes (VI). Les coefficients des variables de croissance de la taille du ménage et de croissance du nombre d’enfants restent presque identiques aux coefficients obtenus avec MCO (respective-ment 1,019 et -0,2875). Le coefficient d’effet de pairs est maintenant négatif, mais toujours non significatif. Nous ne détectons pas d’effets de pairs.

Toutefois, lorsque nous estimons notre modèle par effets fixes et en déviation par rapport à la moyenne, les coefficients obtenus sont différents. La troisième et la quatrième colonnes du TableauC.1présentent respectivement les résultats de ces estimations. Les coefficients des effets de pairs sont négatifs et significatifs (respectivement -0.8982 et -0.8757).

Ces résultats sont compatibles avec le snob effect (Leibenstein,1950) qui est représenté par un comportement anticonformiste chez les ménages. Une croissance du niveau de consom-mation de véhicules des pairs de 1% fait décroître le niveau de consomconsom-mation des ménages de 0.8757%. Les ménages peuvent se comporter de manière anticonformiste pour plusieurs raisons. Comme précédemment mentionnés, les ménages peuvent éprouver un coût psycholo-gique s’ils ont l’impression d’être trop semblables aux autres. Ils préfèrent se démarquer et être uniques en consommant différemment de leurs pairs. En effet, contrairement à ce que Kuhn

(38)

et al. (2008) trouvent, nos résultats indiquent que plus nos pairs consomment de véhicules, moins nous en consommons. Cela peut aussi démontrer une forme d’activisme. Si les ménages possèdent de fortes convictions écologiques et qu’ils observent une augmentation de véhicules chez leurs pairs, ils peuvent être incités à diminuer leur propre consommation de véhicule. Comme Hornsey et al. (2003) a démontré, les individus possédant de fortes convictions mo-rales avaient tendance à s’opposer publiquement à leur groupe de référence lorsque celui-ci ne les soutenait pas1.

Finalement, les coefficients obtenus pour la croissance de la taille du ménage et la crois-sance du nombre d’enfants dans les deux derniers modèles sont qualitativement les mêmes que dans les précédentes estimations. Respectivement, les coefficients sont de 0.9831 et -0.2697 pour le modèle avec effets fixes et de 0.9707 et -0.2646 pour le modèle en déviation par rapport à la moyenne.

4.1

Analyse de la robustesse

D’abord, pour vérifier la validité de nos résultats, nous utilisons deux autres spécifica-tions de groupes de référence (Groupe 4 et Groupe 3). Comme précédemment mentionnée, la formation des groupes est détaillée à la FigureB.1. Nous réestimons nos modèles avec ces nouvelles spécifications.

Le Tableau C.3 rapporte les résultats des estimations avec la spécification du Groupe 4. Nous retrouvons qualitativement les mêmes résultats qu’avec la spécification de groupe spatial. En ce qui concerne les résultats obtenus avec la spécification du Groupe 3, rappor-tés au TableauC.5, nous notons quelques différences au niveau du coefficient d’effet de pairs (γ). Premièrement, lorsque nous estimons notre modèle grâce aux moindres carrés ordinaires, le coefficient des effets de pairs est de 0,1829 et significatif à 1%. Cela indique qu’avec cette spécification de groupe il existe un comouvement positif du niveau de croissance de la consom-mation au sein des groupes de référence. Toutefois, lorsque nous calculons notre modèle grâce aux autres méthodes d’estimation, ce coefficient devient négatif. Les coefficients obtenus avec effets fixes et en déviation par rapport à la moyenne sont moins élevés que ceux obtenus avec les autres spécifications de groupe, mais ils restent tout de même significatifs (respectivement -0,6283 et -0,5749). Cela porte à croire que nos résultats sont valides.

Ensuite, nous testons la validité de nos instruments. Comme précédemment notée, une variable instrumentale valide doit vérifier deux conditions : elle doit être corrélée avec la

1. Les résultats pourraient refléter un effet de congestion. L’utilité d’un véhicule dépend de la quantité de ses utilisateurs. Par exemple, si les ménages d’un même quartier n’ont plus de place pour stationner, car certains se sont achetés de nouveaux véhicules, cela les incitera à décroître leur propre consommation de véhicule. De plus, les résultats négatifs pourraient être expliqués par un phénomène de covoiturage. Par contre, ces deux effets impliquent que les ménages soient géographiquement près l’un de l’autre, ce qui n’est pas le cas ici.

(39)

variable explicative endogène, mais elle ne doit pas être corrélée avec le terme d’erreur. Pour tester la première condition, nous procédons à la vérification des premières étapes de nos estimations.

Les TableauxC.2,C.4etC.6présentent les premières étapes des estimations par moindres carrés en deux étapes, par effets fixes et en déviation par rapport à la moyenne pour les diffé-rentes spécifications de groupe. Les instruments sont toujours significativement corrélés avec la variable explicative endogène. De plus, pour tester la force des instruments, nous incluons la statistique F associée à la régression de première étape. Cette statistique n’est pas un test formel d’instrument faible, avec hypothèse nulle d’instrument faible, mais Stock et al.(2002) suggèrent que nous pouvons utiliser une règle du pouce et rejeter l’hypothèse nulle si la sta-tistique F dépasse 10. Nous constatons que toutes les stasta-tistiques F associées aux différentes estimations sont bien supérieures à 10. Cela nous porte à croire que nos instruments ne sont pas faibles.

Nos estimations des modèles par moindres carrés en deux étapes, par effets fixes et en dé-viation par rapport à la moyenne reposent sur l’hypothèse de restrictions d’exclusion des effets contextuels. Notre hypothèse stipule qu’il existe des variables contextuelles qui n’influencent pas directement la variable endogène. Nous utilisons ces variables contextuelles comme instru-ments. Il est alors important de vérifier la validité de cette hypothèse.

La condition d’exogénéité des instruments ne peut pas être vérifiée. Toutefois, nous pouvons tester une version de cette condition, car notre modèle est suridentifié (nous utilisons deux instruments). Le test des restrictions de suridentification est une manière de vérifier la fiabilité des instruments. Ce test statistique, avec hypothèse nulle de validité des instruments, est construit sur l’hypothèse de non-corrélation des variables exogènes avec le terme d’erreur. Le TableauD.1présente les valeurs p obtenues par le test de Sargan sur les différents modèles que nous utilisons. Le seul endroit où nos instruments ne satisfont pas les critères d’exogénéité est lors de l’estimation par moindres carrés en deux étapes avec la spécification de groupe spatial (valeur p = 0.0116). Cela est peu problématique, car lorsque nous estimons des modèles plus appropriés pour notre étude, les instruments sont valides.

(40)
(41)

Conclusion

L’objectif de ce mémoire a été d’estimer l’effet de pairs endogène sur la croissance du niveau de consommation des ménages. Nous contribuons ainsi au peu de littérature microé-conomique à ce sujet. L’effet de pairs endogène peut être à la source d’un multiplicateur social qui modifie la portée des politiques économiques. Il est alors pertinent de connaître s’il existe ce type d’effet sur la consommation des ménages, car les impacts prévus d’un choc à la consommation pourraient être différents des impacts réels.

Les données panel recueillies par le UK DATA Service (2008-2013) nous ont permis d’observer la consommation de véhicules, un bien durable et hautement visible. Toutefois, un désavantage de cette base de données est qu’elle n’incluait pas d’informations sur les réseaux sociaux des ménages. Pour cette raison, nous avons posé l’hypothèse que les ménages inter-agissaient en groupes. Cette hypothèse stipule que les ménages sont influencés par les autres ménages de leur groupe, mais par aucun à l’extérieur de celui-ci. Ces groupes de référence ont été créés grâce aux caractéristiques exogènes des ménages.

Ensuite, pour identifier les effets de pairs endogènes, nous avons imposé des restrictions d’exclusion sur les effets contextuels. Nous avons stipulé que les variables contextuelles n’affec-taient pas directement yi,r. Ces variables nous ont servi d’instruments dans nos estimations.

Ainsi, nous avons pu régler le problème de réflexion illustré par Manski(1993).

Les facteurs inobservables de chaque groupe pouvaient expliquer la présence d’une cer-taine homogénéité des comportements de consommation au sein des groupes. Ces effets cor-rélés s’expliquent entre autres du fait que les ménages faisant partie d’un groupe de référence peuvent avoir des préférences semblables ou peuvent être influencés par leur région géogra-phique. Nous avons pu estimer les effets corrélés grâce au modèle avec effets fixes de groupe et les éliminer grâce au modèle en déviation par rapport à la moyenne.

Notre stratégie empirique a été d’estimer nos paramètres grâce à plusieurs modèles linéaires. Dans un premier temps, nous avons utilisé l’approche des moindres carrés ordinaires. Nous n’avons pas détecté de comouvements du niveau de consommation au sein des groupes de référence. Pour résoudre le problème de réflexion, nous avons ensuite utilisé l’estimation par variables instrumentales. Une fois de plus, le coefficient représentant l’effet de pairs endogène

(42)

n’était pas significatif.

Par contre, lorsque nous avons estimé notre modèle par effets fixes et en déviation par rapport à la moyenne, nous avons trouvé des effets de pairs négatifs et significatifs. Ces résultats reflètent un comportement anticonformiste chez les ménages. Ceux-ci éprouvent un coût psychologique s’ils ont l’impression d’être trop semblables aux autres. Ils préfèrent se démarquer et être uniques en consommant différemment de leurs pairs. De plus, si les ménages possèdent de fortes convictions écologiques et qu’ils observent une augmentation de véhicules chez leurs pairs, ils peuvent être incités à diminuer leur propre consommation de véhicule.

Enfin, il est important de considérer que nos résultats peuvent être biaisés pour certaines raisons. Premièrement, si le groupe de référence utilisé n’est pas le bon cela peut créer un biais. Une spécification informée du réseau est essentielle à l’analyse des effets sociaux. Nous avons dû poser l’hypothèse que les ménages interagissaient en groupes, car aucune information sur les réseaux n’était disponible. Nous sommes conscients que cette hypothèse peut être erronée. Ainsi, nous ne pouvons qu’en partie vérifier la validité de nos résultats. Malgré tout, ceux-ci se sont avérés robustes au changement de spécification des groupes de référence. Deuxièmement, l’hypothèse de restriction d’exclusion peut ne pas être juste. Si les effets contextuels affectent le niveau de consommation des ménages, nous ne pouvons pas distinguer les deux effets. Nous avons testé une version de la condition d’exogénéité des instruments et ceux-ci se sont avérés valides. Finalement, l’utilisation du modèle linéaire-en-moyennes ne nous a permis que d’estimer des relations linéaires. Cela nous a empêchés de capter la possible non-linéarité des effets sociaux.

(43)

Annexe A

Tableaux descriptifs

Table A.1: Répartition selon la taille du ménage

Nombre d’individu dans le ménage Fréquence Pourcentage 1 1,814 26.69% 2 2,464 36.26% 3 1,053 15.49% 4 984 14.48% 5 335 4.93% 6 83 1.22% 7 41 0.60% 8 17 0.25% 9 3 0.04% 10 2 0.03% Total 6,796 100%

Table A.2: Répartition selon le nombre d’enfants dans le ménage

Nombre d’enfants Fréquence Pourcentage Aucun 4,902 72.13% 1 845 12.43% 2 750 11.04% 3 223 3.28% 4 43 0.63% 5 23 0.34% 6 10 0.08% Total 6,796 100%

Table A.3: Répartition résidentielle des ménages

Zone de résidence Fréquence Pourcentage

Urbaine 4,015 77.83% Rurale 1,140 22.10% Non rapporté 4 0.08% Total 5,159 100%

(44)

Table A.4: Répartition régionale des ménages

Régions administratives Fréquence Pourcentage Angleterre de l’Est 495 9.59% Angleterre du Nord-Ouest 633 12.27% Angleterre du Nord-Est 226 4.38% Angleterre du Sud-Est 712 13.80% Angleterre du Sud-Ouest 501 9.71% Grand Londres 560 10.85% Midlands de l’Ouest 442 8.57% Midlands de l’Est 414 8.02% Yorkshire et Humber 494 9.58% Pays de Galles 257 4.98% Écosse 421 8.16% Non rapporté 4 0.08% Total 5,159 100%

Table A.5: Répartition selon l’âge des répondants

Intervalle d’âge Fréquence Pourcentage 16 à 29 ans 2,102 19,51% 30 à 59 ans 5,671 52,65% 60 ans et plus 2,999 27,84% Total 10,772 100%

Table A.6: Répartition selon l’état civil des répondants

État civil Fréquence Pourcentage Célibataire 2,848 26,49% En couple 5,951 55,35% Séparé(e) 1,953 18,16% Total 10,752 100%

(45)

Annexe B

Spécification des groupes de référence

Figure B.1: Spécifications des groupes

Caractéristiques Groupe spatial Groupe 4 Groupe 3

Régions administratives - Angleterre de l’Est - Angleterre du Nord-Ouest - Angleterre du Nord-Est - Angleterre du Sud-Est - Angleterre du Sud-Ouest X X X - Grand Londres - Midlands de l’Ouest - Midlands de l’Est - Yorkshire et Humber - Pays de Galles - Écosse Zone urbaine - Urbaine X X X - Rurale Âge - 16 à 29 ans - 30 à 59 ans X X - 60 ans et plus État civil - Célibataire - En couple X - Séparé(e)

(46)
(47)

Annexe C

Tableaux des résultats

Table C.1: Groupe spatial

(1) (2) (3) (4)

MCO VI Effets fixes Déviation par rapport à la moyenne

Moyenne de croissance de 0.1614 -0.1207 -0.8982 -0.8757 la consommation des pairs [0.1166] [0.3107] [0.3547]** [0.3219]***

Croissance de la 1.02 1.019 0.9831 0.9707 taille du ménage [0.0661]*** [0.0661]*** [0.0664]*** [0.0645]***

Croissance du -0.2853 -0.2875 -0.2697 -0.2646 nombre d’enfants [0.0279]*** [0.0280]*** [0.028]*** [0.0270]***

(48)

Table C.2: Première étape : Groupe spatial

VI Effets fixes Déviation par rapport à la moyenne

Instruments

Moyenne de croissance de 1.202 2.1303 1.918 la taille du ménage des pairs [0.0814]*** [0.0279]*** [0.0365]*** Moyenne de croissance du -0.4562 -0.3331 -0.2638 nombre d’enfants des pairs [0.0351]*** [0.0339]*** [0.0525]***

Test F 124.757 2921.67 1390.22 p-value 0.0000 0.0000 0.0000

Taille de l’échantillon 1525 1525 1525

Table C.3: Groupe 4

(1) (2) (3) (4)

MCO VI Effets fixes Déviation par rapport à la moyenne

Moyenne de croissance de 0.0119 -0.2949 -0.7924 -0.8034 la consommation des pairs [0.0826] [0.1961] [0.2262]*** [0.2076]***

Croissance de la 1.008 1.006 0.9334 0.8870 taille du ménage [0.0664]*** [0.0666]*** [0.0678]*** [0.0625]*** Croissance du -0.2853 -0.2882 -0.2549 -0.2372 nombre d’enfants [0.028]*** [0.0282]*** [0.0285]*** [0.0261]*** Taille de l’échantillon 1514 1511 1511 1511 34

(49)

Table C.4: Première étape : Groupe 4

VI Effets fixes Déviation par rapport à la moyenne

Instruments

Moyenne de croissance de 1.252 2.319 2.132 la taille du ménage des pairs [0.0689]*** [0.0496]*** [0.0575]*** Moyenne de croissance du -0.2454 -0.3554 -0.2158 nombre d’enfants des pairs [0.0215]*** [0.0295]*** [0.0296]***

Test F 166.159 1132.33 718.82 p-value 0.0000 0.0000 0.0000

Taille de l’échantillon 1511 1511 1511

Table C.5: Groupe 3

(1) (2) (3) (4)

MCO VI Effets fixes Déviation par rapport à la moyenne

Moyenne de croissance de .1829 -0.0598 -0.6283 -0.5749 la consommation des pairs [0.0625]*** [0.1686] [0.2842]** [0.2614]**

Croissance de la 0.9720 0.9938 0.8919 0.8439 taille du ménage [0.0729]*** [0.0738]*** [0.0783]*** [0.0690]***

Croissance du -0.2708 -0.2761 -0.2403 -0.2210 nombre d’enfants [0.031]*** [0.0314]*** [0.0325]*** [0.0286]***

(50)

Table C.6: Première étape : Groupe 3

VI Effets fixes Déviation par rapport à la moyenne

Instruments

Moyenne de croissance de 1.121 1.712 1.507 la taille du ménage des pairs [0.0802]*** [0.0789]*** [0.0826]*** Moyenne de croissance du -0.1578 -0.201 -0.1463 nombre d’enfants des pairs [0.0238]*** [0.0212]*** [0.0228]***

Test F 102.404 241.967 172.06 p-value 0.0000 0.0000 0.0000

Taille de l’échantillon 1201 1201 1201

(51)

Annexe D

Tests de robustesse

Table D.1: Test de Sargan ( χ2)

Spécification du groupe Groupe spatial Groupe 3 Groupe 4 de référence

VI p = 0.0116 p = 0.8890 p = 0.1617

Effets fixes p = 0.4315 p = 0.3776 p = 0.5804

Déviation par rapport p = 0.4280 p = 0.5392 p = 0.5481 à la moyenne

(52)
(53)

Bibliographie

Alonso-Carrera, J., J. Caballé, et X. Raurich (2005) : “Growth, habit formation, and catching-up with the Joneses,” European Economic Review, 49, 1665–1691.

Bellemare, C., B. Fortin, N. Joubert, et S. Marchand (2011) : “Effets de pairs et fraude sociale : une analyse économétrique sur données françaises,” .

Bellezza, S., F. Gino, et A. Keinan (2014) : “The red sneakers effect : Inferring status and competence from signals of nonconformity,” Journal of Consumer Research, 41, 35–54. Binder, M. et M. H. Pesaran (2001) : “Life-cycle consumption under social interactions,”

Journal of Economic Dynamics and Control, 25, 35–83.

Boucher, V., Y. Bramoullé, H. Djebbari, et B. Fortin (2010) : “Do peers affect student achievement ? Evidence from Canada using group size variation,” Evidence from Canada Using Group Size Variation (February 1, 2010). CIRANO-Scientific Publications 2010s-08.

Bramoullé, Y., H. Djebbari, et B. Fortin (2009) : “Identification of peer effects through social networks,” Journal of econometrics, 150, 41–55.

Chandrasekhar, A. et R. Lewis (2011) : “Econometrics of sampled networks,” Unpublished manuscript, MIT.[422].

Charles, K. K., E. Hurst, et N. Roussanov (2007) : “Conspicuous consumption and race,” Rapport technique, National Bureau of Economic Research.

Childers, T. L. et A. R. Rao (1992) : “The influence of familial and peer-based reference groups on consumer decisions,” Journal of consumer research, 198–211.

Chou, T.-J., E.-C. Chang, Q. Dai, et V. Wong (2013) : “REPLACEMENT BETWEEN CONFORMITY AND COUNTERCONFORMITY IN CONSUMPTION DECISIONS 1, 2,” Psychological reports, 112, 125–150.

De Giorgi, G., A. Frederiksen, et L. Pistaferri (2012) : “Consumption Network Ef-fects,” Rapport technique, Stanford University, mimeo.

Figure

Table A.3: Répartition résidentielle des ménages
Table A.4: Répartition régionale des ménages
Figure B.1: Spécifications des groupes
Table C.1: Groupe spatial
+5

Références

Documents relatifs

Until now we have focused primarily on intra-household effects, that is, on the utility changes in a particular household when bargaining power shifts within that household. Via

Nous avons montré que HP1, l’un des partenaires les plus importants dans la suppression génique induite par Suv39h1, est également présente sur les régions promotrices

No obstante, si antes de la convocatoria el Director General recibiera el ofrecimiento de algún Estado Miembro para servir de sede para la referida reunión, el Comité Ejecutivo,

La fin de vie crépusculaire est décrite dans Pathos (13) sous le profil de soins M2 comme impliquant des « simples soins palliatifs de confort : i eau de soi s d a o

S’agissant de la « fatigue », elle sera représentée d’un côté par le taux de chômage et le climat des affaires, deux variables qui peuvent appeler une politique en

L’objectif premier du projet complet de maîtrise est de déterminer les meilleures approches pour optimiser la production de biomasse de Scenedesmus obliquus en utilisant

La méthode proposée basée sur un calcul de sensibilités par la technique des récurrences simplifiées et l'algorithme DFP a prouvé sa capacité à converger rapidement vers

(2011) répertorie les mécanismes intervenant lors d’une décontamination de particules contaminant une surface et dresse le bilan des forces et moments. Les mécanismes suivants